我想根据时间信号的功能，使用Tensorflow训练网络。数据在E 3个时期中被分割，每个时期具有F个特征。因此，数据具有
Epoch | Feature 1 | Feature 2 | ... | Feature F |
-------------------------------------------------
1 | .. | .. | | .. |
| .. | .. | | .. |
E | .. | .. | | .. |
将数据加载到Tensorflow，我尝试按照cifar示例并使用tf.FixedLengthRecordReader。因此，我已经获取了数据，并将其保存到float32类型的二进制文件中，第一个时期的第一个标签，第一个时期的F个功能，第二个时期的def read_data_file(file_queue):
class DataRecord(object):
pass
result = DataRecord()
#1 float32 as label => 4 bytes
label_bytes = 4
#NUM_FEATURES as float32 => 4 * NUM_FEATURES
features_bytes = 4 * NUM_FEATURES
#Create the read operator with the summed amount of bytes
reader = tf.FixedLengthRecordReader(record_bytes=label_bytes+features_bytes)
#Perform the operation
result.key, value = reader.read(file_queue)
#Decode the result from bytes to float32
value_bytes = tf.decode_raw(value, tf.float32, little_endian=True)
#Cast label to int for later
result.label = tf.cast(tf.slice(value_bytes, [0], [label_bytes]), tf.int32)
#Cast features to float32
result.features = tf.cast(tf.slice(value_bytes, [label_bytes],
[features_bytes]), tf.float32)
print ('>>>>>>>>>>>>>>>>>>>>>>>>>>>')
print ('%s' % result.label)
print ('%s' % result.features)
print ('>>>>>>>>>>>>>>>>>>>>>>>>>>>')
个功能，等等。
然而，将此读入Tensorflow对我来说是一个挑战。这是我的代码：
Tensor("Cast:0", shape=TensorShape([Dimension(4)]), dtype=int32)
Tensor("Slice_1:0", shape=TensorShape([Dimension(40)]), dtype=float32)
打印输出为：
describeWithDOM()令我感到惊讶的是，因为我已经将值转换为float32，所以我希望维度分别为1和10，它们是实际数字，但它们是4和40，它们对应于字节长度。
怎么回事？
答案 0 :(得分：2)
我认为问题源于tf.decode_raw(value, tf.float32, little_endian=True)返回类型为tf.float32的向量而不是字节向量的事实。用于提取要素的切片大小应指定为浮点值的计数（即NUM_FEATURES），而不是字节数（features_bytes）。
然而，您的标签是整数的轻微皱纹，而矢量的其余部分包含浮点值。 TensorFlow没有很多用于在二进制表示之间进行转换的工具（tf.decode_raw()除外），所以你必须将字符串解码两次到不同的类型：
# Decode the result from bytes to int32
value_as_ints = tf.decode_raw(value, tf.int32, little_endian=True)
result.label = value_as_ints[0]
# Decode the result from bytes to float32
value_as_floats = tf.decode_raw(value, tf.float32, little_endian=True)
result.features = value_as_floats[1:1+NUM_FEATURES]
请注意，这仅适用于sizeof(tf.int32) == sizeof(tf.float32)，因为一般情况下这不是真的。在更一般的情况下，一些更多的字符串操作工具可用于切割原始value的适当子字符串。希望这应该足以让你前进。